Depois de anotar suas perguntas no LectureQ, chega a hora de buscar as respostas. Hoje em dia, quase sempre essa resposta sai de uma conversa com uma IA. O problema é que a mesma pergunta rende resultados bem diferentes para cada pessoa. Este guia mostra como fazer essa diferença, seguindo o fluxo do LectureQ (pergunta → resposta → o que aprendi).
A habilidade que este guia quer desenvolver, em uma linha:
Transformar suas perguntas, junto com a IA, em ‘conhecimento verificado’.
— Não se trata de receber respostas, e sim de desconfiar da resposta recebida e torná-la sua.
Uma pergunta, uma conversa. Quando você junta várias perguntas no mesmo chat, as respostas se misturam e depois fica impossível organizar.
Perguntas anotadas às pressas durante a aula costumam ser vagas. E pergunta vaga recebe resposta vaga. Não peça a resposta logo de cara: reescreva a pergunta primeiro.
Abaixo está uma pergunta que anotei às pressas durante a aula. Ela ainda está vaga.
"{a pergunta exatamente como está no LectureQ}"
Reescreva essa pergunta como 3 perguntas que possam ser respondidas.
Para cada uma, acrescente uma linha dizendo o que eu vou conseguir fazer quando souber a resposta.
Não responda agora; mostre só as perguntas reescritas.
▸ Quando aparecer uma versão de que você goste, substitua o texto da pergunta no LectureQ por ela. É um investimento no seu eu do futuro.
A IA não sabe até onde vai o seu conhecimento. Basta acrescentar de onde veio a pergunta / o seu nível atual / o formato de resposta que você quer para a qualidade da resposta mudar completamente. E os três já estão anotados no app.
[Minha pergunta]
{a pergunta lapidada}
[Contexto]
- De onde veio: {Nome da aula} / {anotação do bloco de tempo daquele momento}
- O que eu sei hoje: {"Como estou agora", em Estado de aprendizado}
- Aonde quero chegar: {"Como quero estar no fim", em Estado de aprendizado}
[Resposta que eu quero]
1) A resposta principal em 3 a 5 linhas
2) Um parágrafo explicando por quê
3) 1 ou 2 pontos em que eu provavelmente estou enganado
4) O menor exemplo ou experimento que eu possa testar sozinho
Indique o que é certo e o que é suposição. Se não souber, diga que não sabe.
▸ Onde achar o contexto: Visualização → Estado de aprendizado, na barra de ferramentas, e a anotação do bloco de tempo em que a pergunta está.
Uma resposta convincente não é uma resposta verificada. Questione pelo menos uma vez.
Qual parte da sua resposta tem mais chance de estar errada? - As premissas que precisam ser verdadeiras para essa resposta valer - A posição contrária, ou exceções em que essa resposta não funciona - O que eu devo consultar para confirmar isso numa fonte primária? (nome da documentação oficial, especificação ou texto original)
Informações como versões, números, nomes de API e anos — quanto mais específicas, menos dá para perceber quando estão erradas — devem sempre ser conferidas na fonte original.
Uma boa resposta sempre revela algo novo que você não sabe. Essa é a próxima pergunta — as perguntas de acompanhamento deste app.
Com base na conversa até aqui, liste em 3 perguntas o que eu ainda não sei e preciso saber. Sem explicações, só as perguntas. Curtas e específicas.
▸ Cole as perguntas sugeridas no campo ‘Nova pergunta de acompanhamento’, no detalhe da pergunta. Elas ficam registradas na hierarquia pergunta original → acompanhamento, e no Grafo dá para ver como o seu entendimento foi se ramificando.
Copiar e colar a resposta da IA deixa um registro, mas não deixa conhecimento. No campo Resposta, escreva com suas próprias palavras e peça uma avaliação desse texto.
Vou escrever com minhas palavras o que eu entendi.
"{o resumo que eu mesmo escrevi}"
Aponte o que está errado, o que está faltando e o que está exagerado.
Em vez de dar uma nota, mostre o texto reescrito.
▸ Marque como Resolvida + O que aprendi (★) só o que passou por todas essas etapas. A lista ‘O que aprendi’ em Visualização → Resumo só tem valor quando reúne apenas o que foi filtrado assim.
Traduzidos em habilidades, os 5 passos acima ficam assim. Comece praticando a linha em que você se sente mais fraco hoje.
| O que saber | Ser capaz de… | Conhecer / palavras-chave |
|---|---|---|
| Lapidar a pergunta | Reescrever uma anotação vaga como 3 perguntas que possam ser respondidas | O que faz uma boa pergunta, perguntas com e sem resposta, definição do problema (problem framing) |
| Dar contexto | Perguntar informando o contexto, o seu nível e o formato de resposta desejado | Estruturação de prompts, definição de papel, contexto e formato de saída, design de contexto |
| Verificar a resposta | Questionar premissas, contraexemplos e fontes primárias para separar o que é fato | Alucinação (hallucination), evidências e fontes, falseabilidade (falsification), viés de confirmação |
| Expor o que não sabe | Extrair novas perguntas da resposta e registrá-las como perguntas de acompanhamento | Metacognição, lacunas de conhecimento (knowledge gap), árvore de perguntas |
| Consolidar o conhecimento | Reescrever com suas palavras, pedir avaliação e confirmar como ‘O que aprendi’ | Técnica de Feynman, prática de recuperação (retrieval practice), repetição espaçada (spaced repetition) |
Se você salvar sua conversa com a IA em Markdown, o app a transforma em uma árvore de perguntas (na barra de ferramentas, menu da aula → Importar de Markdown…).
# Esta linha vira o título da aula ## Tema (a primeira pergunta aqui é a original; as seguintes viram perguntas de acompanhamento) **Eu** — aqui vai a pergunta que eu fiz **IA** — aqui vai a resposta recebida (pode ter várias linhas e até blocos de código)
Ao importar, cada pergunta recebe a sua resposta e é marcada como resolvida. Depois, na tela de Resumo, deixe com ★ só o que você realmente aprendeu e use ‘Excluir’ no resto: a conversa inteira vira a sua lista de coisas aprendidas.
Não peça respostas à IA: use-a para pôr suas perguntas à prova. Quem faz a pergunta é você, quem desconfia é você, e quem escreve a frase final também é você. O LectureQ é onde esse processo fica registrado.